[发明专利]一种基于改进粒子群算法的冷链物流车辆路径选择方法

权利要求书

1.一种基于改进粒子群算法的冷链物流车辆路径选择方法，将物流车辆抽象为粒子，其特征在于，包括以下步骤：

S1：随机生成粒子群，设置粒子群的参数，所述参数包括粒子群大小、搜索维数、学习因子；

S2：随机生成粒子群中所有粒子的位置和速度；

S3：根据改进粒子群算法后的适应度函数计算粒子群中每个粒子的适应度值；如果粒子的适应度值优于当前粒子的个别极值，则当前粒子的位置为个别最优位置；整个种群中所有粒子的个体极值为全局最优；所述个别极值为直至上一次更新所得的粒子最优位置的适应度值；

S4：通过对步骤S3中个别极值和全局最优的追踪，更新粒子群中每个粒子的位置和速度；

S5：确定是否达到了目的条件，如果达到了目的条件，即得到最优解；否则，返回到步骤S3。

2.根据权利要求1所述的一种基于改进粒子群算法的冷链物流车辆路径选择方法，其特征在于，步骤S2随机生成的粒子群中所有粒子的位置满足以下条件：在每个粒子的位置向量中，X_a为1～Y之间的随机整数，X_b为1～x之间的随机整数；其中，X_a为车号，Y为物流车辆的总数量，X_b为所有在以车号为X_a进行发货的客户中，客户点的订单号；x为客户的总数量。

3.根据权利要求2所述的一种基于改进粒子群算法的冷链物流车辆路径选择方法，其特征在于，步骤S2随机生成的粒子群中所有粒子的速度满足以下条件：在每个粒子的速度向量中，V_a为-(Y-1)～(Y-1)之间的随机整数，V_b为-(x-1)～(x-1)之间的随机整数；其中，V_a为粒子飞行的方向，V_b为粒子飞行的距离。

4.根据权利要求3所述的一种基于改进粒子群算法的冷链物流车辆路径选择方法，其特征在于，步骤S3中所述的适应度函数为

式中，M为无穷大正数；x表示客户数量；Y表示物流车辆的数量；F₁表示物流车辆营运成本；F₂表示冷链产品单价；F₃表示运输过程中制冷的单位成本；F₄表示卸货时制冷的单位成本；F₅表示车辆提前到达时的单位等待费用；F₆表示车辆晚到时的单位惩罚费用；F₇表示燃料单价；F₈表示温室气体排放单价；q_i表示i需要的客户产品的数量；q_j表示j需要的客户产品的数量；表示车辆y离开配送中心的时间；xh表示卸货速度；d_ij表示客户i与客户j之间的距离；θ表示冷链产品的敏感性系数；K₁表示冷链产品在运输过程中的恒定值；K₂表示冷链产品在卸货过程中的恒定值；α₁表示制冷设备运输过程中单位时间内的燃料消耗量；α₂表示制冷设备在单位时间内的耗油量；Q^*表示车辆的最大负荷；U₀表示车辆空载时的耗油量；U₁表示车辆满载时的油耗量；表示甲烷排放系数；表示一氧化二氮排放系数；表示甲烷的全球变暖趋势；表示一氧化二氮的全球变暖趋势；U(Q)表示燃料消耗量；ET_i表示客户i接受产品的最早时间；LT_i表示客户i接受产品的最晚时间；

Q_i表示当车辆y离开客户i时，留在车辆上的产品数量；表示车辆y到达客户i的时间；表示车辆y到达客户j的时间；表示冷藏车y从客户i到客户j的时间；a_y为0-1变量，当冷藏车y使用时等于1；为0-1变量，当车辆y交付给客户i时为1；为0-1变量，当车辆y从客户i运输货物给客户j时等于1。

5.根据权利要求4所述的一种基于改进粒子群算法的冷链物流车辆路径选择方法，其特征在于，所述适应度函数还包括罚函数，所述罚函数为车辆最大负载对成本和温室气体排放的影响。